Longitudinal intratumoral and peritumoral MRI radiomics for predicting pathologic complete response to neoadjuvant chemoimmunotherapy in locally advanced head and neck squamous cell carcinoma: a retrospective two-center study
यह रेट्रोस्पेक्टिव टू-सेंटर अध्ययन प्रदर्शित करता है कि क्लिनिकोपैथोलॉजिकल कारकों के साथ अनुदैर्ध्य (लॉन्जिट्यूडिनल) इंट्राट्यूमरल और पेरिट्यूमरल एमआरआई विशेषताओं को एकीकृत करने वाला एक क्लिनिकल-स्पैटियोटेम्पोरल रेडियोमिक्स मॉडल, स्थानीय रूप से उन्नत हेड एंड नेक स्क्वैमस सेल कार्सिनोमा में नियोएडजुवेंट कीमोइम्यूनोथेरेपी के प्रति पैथोलॉजिकल कम्पलीट रिस्पांस के प्रीऑपरेटिव पूर्वानुमान में महत्वपूर्ण रूप से सुधार करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
सिर और गर्दन का स्क्वमस सेल कार्सिनोमा (head and neck squamous cell carcinoma) कैंसर का एक सामान्य रूप है जो गले, मुँह और स्वर यंत्र (voice box) को प्रभावित करता है। जब यह बीमारी उन्नत अवस्था में पाई जाती है, तो डॉक्टर अक्सर सर्जरी से पहले ट्यूमर को सिकोड़ने के लिए कीमोथेरेपी और इम्यूनोथेरेपी के एक शक्तिशाली संयोजन का उपयोग करते हैं। यह दृष्टिकोण, जिसे नियोएडजुवेंट कीमोइम्यूनोथेरेपी (neoadjuvant chemoimmunotherapy) कहा जाता है, सर्जरी को आसान और अधिक सफल बनाने के उद्देश्य से किया जाता है। हालांकि, हर मरीज इस उपचार के प्रति एक ही तरह से प्रतिक्रिया नहीं देता है। कुछ मरीजों में कैंसर कोशिकाओं का पूरी तरह से गायब हो जाना देखा जाता है, जिसे डॉक्टर 'पैथोलॉजिक कम्प्लीट रिस्पॉन्स' (pathologic complete response) कहते हैं, जबकि अन्य में बहुत कम बदलाव दिखता है। वर्तमान में, यह जानने का एकमात्र तरीका कि उपचार सफल रहा या नहीं, ट्यूमर को सर्जरी द्वारा निकालना और उसे सूक्ष्मदर्शी (microscope) के नीचे जाँचना है। यह एक कठिन स्थिति पैदा करता है: यदि कोई मरीज अच्छी तरह से प्रतिक्रिया नहीं दे रहा है, तो वे बिना किसी लाभ के ऐसे उपचार को जारी रख सकते हैं जो दुष्प्रभावों (side effects) का कारण बनता है, या अंतिम सर्जरी की प्रतीक्षा करते समय उनका कैंसर बढ़ सकता है। डॉक्टरों को सर्जरी शुरू करने से पहले ही परिणाम का पूर्वानुमान लगाने के तरीके की आवश्यकता है, क्योंकि मानक स्कैन जो केवल ट्यूमर के आकार को मापते हैं, ऊतक (tissue) के भीतर होने वाले सूक्ष्म परिवर्तनों को पकड़ने में विफल रहते हैं।
इसे हल करने के लिए, बीजिंग टोंगरेन अस्पताल और झेंग्झौ विश्वविद्यालय के शोधकर्ताओं ने एक अलग तरह की तस्वीर पर ध्यान केंद्रित किया। उन्होंने उन्नत सिर और गर्दन के कैंसर वाले 310 मरीजों का अध्ययन किया जिन्होंने सर्जरी से पहले दी जाने वाली दवाओं के संयोजन को प्राप्त किया था। टीम ने चुंबकीय अनुनाद इमेजिंग (magnetic resonance imaging), या एमआरआई (MRI) का उपयोग करके दो बार ट्यूमर की तस्वीरें लीं: एक बार उपचार शुरू होने से पहले और दूसरी बार दवाओं के दूसरे दौर के बाद। केवल ट्यूमर के आकार को देखने के बजाय, उन्होंने रेडियोमिक्स (radiomics) नामक तकनीक का उपयोग किया। यह विधि एमआरआई स्कैन को एक डिजिटल मानचित्र की तरह मानती है, जिससे ऊतक के बनावट, पैटर्न और आंतरिक संरचना के हजारों सूक्ष्म विवरण निकाले जाते हैं जो मानवीय आंखों के लिए अदृश्य होते हैं। शोधकर्ताओं ने दो विशिष्ट क्षेत्रों पर ध्यान केंद्रित किया: स्वयं ट्यूमर और उसके ठीक आसपास की ऊतकों की पतली परत, जिसे पेरिट्यूमरल रीजन (peritumoral region) कहा जाता है। उनका मानना था कि वह सीमा जहाँ ट्यूमर स्वस्थ ऊतक से मिलता है, इस बारे में सुराग दे सकती है कि शरीर कैसे मुकाबला कर रहा है।
वैज्ञानिकों ने कंप्यूटर मॉडल की एक श्रृंखला बनाई ताकि यह देखा जा सके कि जानकारी का कौन सा संयोजन सबसे अच्छा काम करता है। उन्होंने मरीज के इतिहास जैसे कि आयु और धूम्रपान की आदतों का उपयोग करने वाले सरल मॉडलों से शुरुआत की, और फिर इसमें एमआरआई डेटा जोड़ा। उन्होंने उन मॉडलों का परीक्षण किया जो केवल ट्यूमर को देखते थे, उन मॉडलों का परीक्षण किया जो केवल आसपास के ऊतकों को देखते थे, और उन मॉडलों का परीक्षण किया जो समय के साथ परिवर्तनों को ट्रैक करते थे। सबसे सफल दृष्टिकोण ने सब कुछ मिला दिया। उन्होंने एक ऐसा मॉडल बनाया जो यह देखता था कि पहले स्कैन से दूसरे स्कैन तक ट्यूमर की बनावट में कैसे बदलाव आया, और साथ ही यह भी देखता था कि आसपास के ऊतक कैसे विकसित हुए। महत्वपूर्ण रूप से, उन्होंने पाया कि ट्यूमर के चारों ओर तीन मिलीमीटर चौड़ी ऊतक की एक विशिष्ट पट्टी को देखने से सबसे उपयोगी जानकारी मिली, जो कि एक पतली या चौड़ी पट्टी की तुलना में अधिक थी।
जब शोधकर्ताओं ने इस विस्तृत, समय-आधारित इमेजिंग डेटा को मरीजों के विशिष्ट चिकित्सा तथ्यों, जैसे कि कैंसर कोशिकाओं के ग्रेड और एक विशिष्ट इम्यून मार्कर जिसे 'कंबाइंड पॉजिटिव स्कोर' कहा जाता है, के साथ जोड़ा, तो उन्होंने अपना अंतिम प्रेडिक्शन टूल (prediction tool) तैयार किया। यह व्यापक मॉडल उच्च सटीकता के साथ यह भविष्यवाणी करने में सक्षम था कि क्या कोई मरीज पूर्ण प्रतिक्रिया (complete response) प्राप्त करेगा। नए डेटा पर मॉडल की विश्वसनीयता का परीक्षण करने वाले समूह में, इसने पूर्ण प्रतिक्रिया प्राप्त करने वाले मरीजों की पहचान करने के लिए 0.857 का AUC और पूर्ण प्रतिक्रिया न देने वालों के लिए 0.845 का AUC प्राप्त किया। मॉडल विभिन्न समूहों के मरीजों और विभिन्न अस्पतालों में लगातार अच्छा प्रदर्शन करता रहा, जो यह दर्शाता है कि यह मजबूत (robust) है।
अध्ययन ने स्पष्ट रूप से इस विचार को खारिज कर दिया कि ट्यूमर का एक एकल स्नैपशॉट या केवल ट्यूमर को देखना पर्याप्त था। वे मॉडल जो केवल एक समय बिंदु पर निर्भर थे या जिन्होंने ट्यूमर के आसपास के ऊतकों की अनदेखी की, वे काफी खराब प्रदर्शन करते थे। शोध से यह भी पता चला कि केवल मानक नैदानिक कारक (clinical factors), जैसे कि मरीज की आयु या कैंसर का चरण, सटीक भविष्यवाणी करने के लिए पर्याप्त नहीं थे। मुख्य निष्कर्ष यह था कि उपचार के दौरान होने वाले गतिशील परिवर्तन, जिन्हें समय के साथ ट्यूमर और उसके तत्काल पड़ोस को ट्रैक करके पकड़ा गया था, एक अद्वितीय और आवश्यक जानकारी की परत प्रदान करते हैं।
शोधकर्ताओं ने अपने जटिल गणितीय मॉडल को एक सरल विजुअल चार्ट में अनुवादित किया, जिसे 'नोमोग्राम' (nomogram) कहा जाता है, जिसका उपयोग डॉक्टर क्लिनिक में कर सकते हैं। मरीज के विशिष्ट विवरणों और उनके एमआरआई स्कैन के परिणामों को इसमें दर्ज करके, एक डॉक्टर को व्यक्तिगत संभावना मिल सकती थी कि क्या उपचार पूरी तरह से काम करेगा। यह उपकरण सर्जरी से पहले जोखिम का आकलन करने का एक तरीका प्रदान करता है, जिससे संभावित रूप से उन मरीजों के लिए उपचार योजनाओं को समायोजित किया जा सकता है जो प्रतिक्रिया देने की संभावना कम रखते हैं, या उन लोगों के लिए कम आक्रामक सर्जिकल विकल्पों पर विचार किया जा सकता है जिनकी पूर्ण उपचार की संभावना अधिक है। हालांकि यह अध्ययन पूर्वव्यापी (retrospective) था, जिसका अर्थ है कि इसने पिछले डेटा को देखा, और शोधकर्ताओं ने उल्लेख किया कि भविष्य के नैदानिक परीक्षणों में इन परिणामों की पुष्टि करने के लिए और अधिक परीक्षण की आवश्यकता है, फिर भी यह कार्य प्रदर्शित करता है कि समय, स्थान और नैदानिक विवरणों को मिलाने से कैंसर उपचार के परिणामों को समझने और भविष्यवाणी करने का एक शक्तिशाली नया तरीका मिलता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।